---

需求

• Tensorflow 1.8
• Python 3.6

使用方法

下载数据集

> python download.py celebA

├── dataset
   └── celebA
       ├── train
           ├── 000001.jpg 
           ├── 000002.jpg
           └── ...
       ├── test（这不是celebA数据集）
           ├── a.jpg（您想要测试的图像）
           ├── b.png
           └── ...
       ├── list_attr_celeba.txt（用于属性信息） 

训练

• python main.py --phase train

测试

• python main.py --phase test
• celebA测试图像和您想要的图像将同时运行

预训练模型

• 下载 128x128分辨率的检查点

总结

结果（128x128，wgan-gp）

女性

男性

相关工作

• CycleGAN-Tensorflow
• DiscoGAN-Tensorflow
• UNIT-Tensorflow
• MUNIT-Tensorflow

参考文献

• StarGAN论文
• 作者的PyTorch代码

作者

Junho Kim

StarGAN-Tensorflow 快速上手指南

StarGAN 是一个能够利用单一模型对图像进行多领域属性编辑（如改变人脸的发色、性别、年龄等）的生成对抗网络。本指南基于 TensorFlow 实现，帮助开发者快速运行该项目。

环境准备

在开始之前，请确保您的开发环境满足以下严格要求：

• 操作系统: Linux / macOS / Windows (需配置好 Python 环境)
• Python 版本: 3.6
• 深度学习框架: TensorFlow 1.8
• 其他依赖: 建议安装 numpy, scipy, pillow 等常用图像处理库（通常 pip install 对应包名即可）。

注意：由于项目指定了较旧的 TensorFlow 1.8 版本，建议使用虚拟环境（如 venv 或 conda）进行隔离安装，以避免与现有环境冲突。

安装步骤

1. 克隆项目代码

   git clone https://github.com/taki0112/StarGAN-Tensorflow.git
   cd StarGAN-Tensorflow
   

2. 安装依赖 虽然 README 未提供 requirements.txt，但根据核心要求，请执行以下命令安装特定版本：

   pip install tensorflow==1.8
   pip install python-dateutil==2.7.5 # 兼容 TF 1.8 的常见依赖修复
   

   (注：若遇到其他缺失库报错，请使用 pip install <库名> 补充)

3. 下载数据集 使用项目自带的脚本下载 CelebA 人脸数据集：

   python download.py celebA
   

   下载完成后，目录结构应如下所示：

   ├── dataset
     └── celebA
         ├── train       # 训练图片
         ├── test        # 测试图片（可放入自定义图片）
         └── list_attr_celeba.txt # 属性标签文件
   

4. 下载预训练模型（可选） 如果您只想进行测试而不想重新训练，可以下载作者提供的 128x128 分辨率检查点：

   • 下载地址：Google Drive Link
   • 将下载的文件解压并放置于项目根目录或代码指定的 checkpoint 文件夹中。

基本使用

1. 训练模型

启动训练过程，模型将学习 CelebA 数据集的属性变换：

python main.py --phase train

2. 测试与图像生成

使用训练好的模型（或预训练模型）进行属性编辑测试。该命令会同时处理 CelebA 测试集图片和您放入 dataset/celebA/test 目录下的自定义图片：

python main.py --phase test

生成的结果图片通常保存在 results 或类似的输出目录中，您可以查看不同属性（如黑发变金发、男性变女性等）的转换效果。